提示工程完整指南4个核心技巧10分钟写出稳定提示词【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-GuidePrompt-Engineering-Guide 是一个免费开源项目系统整理了提示工程Prompt Engineering的指南、论文与可运行笔记本覆盖从零样本提示、思维链到 RAG 和 AI Agent 的完整路径。读完本文你会知道如何把仓库克隆到本地、读懂入门文档、上手 4 个最实用的提示技巧并直接套用到自己的任务里。提示词时灵时不灵问题出在工作说明太粗 ⚡你可能遇到过这两种情况让它总结这段文字它回了一大段车轱辘话你最后还是自己总结一道多步计算题它第一步就推错最后答案也跟着错这不是模型不行是指令给得太模糊。提示词就像给新同事写工作说明只说处理一下这份数据他随便做说按日期列倒序、保留最近 7 天、导出 CSV结果就完全不同。这个仓库的guides/目录把这些说明写法逐篇拆开了notebooks/里还有配套的 Jupyter 笔记本可以边读边跑。3步装好 Prompt-Engineering-Guide 并跑通第一个提示 ✅第 1 步克隆仓库git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide第 2 步打开入门文档guides/prompts-intro.md。前 5 分钟就能读到一个关键结论一条合格的提示由指令Instruction、上下文Context、输入数据Input Data、输出指示Output Indicator四部分组成缺项越少结果越不可控。第 3 步随便找个 LLM 界面验证模型能不能听懂指令。输入最小提示Complete the sentence: The sky is如果它补出 blue 这类合理句子说明链路通了。后面所有技巧都建立在这个基础上。4种核心提示技术按需取用零样本提示Zero-shot一句话指令直接干活定义不给任何示例直接把任务说清楚。适用场景分类、翻译、摘要这类简单任务。最小示例——在句子末尾加一个 Sentiment: 暗示答案位置Classify the text into neutral, negative or positive. Text: I think the food was okay. Sentiment:模型会直接输出 Neutral。这是默认首选任何任务都应先试零样本不行再升级。少样本提示Few-shot用 2~5 个例子纠正风格定义先给 1~5 个输入输出示例让模型照着模式学。适用场景自定义格式、内部术语、零样本搞不定的任务。guides/prompts-advanced-usage.md里有个反直觉的结论示例的格式比标签对错更重要即使标签是随机的只要格式一致模型通常也能学会任务模式。思维链Chain-of-Thought让它先写步骤再给答案定义在示例里展示逐步推理再下结论的过程复杂推理的正确率会明显上来。适用场景算术、逻辑判断、多步规划。指南里的验证例子同样的奇数之和是否为偶数题目只给答案示例时模型答错示例里写出推理过程后哪怕只保留 1 个示例输出也会变成 Adding all the odd numbers (15, 5, 13, 7, 1) gives 41. The answer is False一步不差。零样本思维链一句咒语激活推理定义不给示例只在问题末尾加一句 Lets think step by step. 就能触发分步思考。适用场景来不及准备示例的在线问答。以指南中的苹果题为例买 10 个、送掉 4 个、又买 5 个、吃掉 1 个直接作答模型给出 11错了加上这句咒语它一步步算出 10对了。效果接近准备几十个示例成本只有一句话。实战3个高频任务这样写提示代码生成把表结构写进提示什么任务从自然语言需求生成 SQL、API 调用等代码。怎么写把表结构、依赖当作注释写进提示别让它猜。例如Table departments, columns [DepartmentId, DepartmentName] Table students, columns [DepartmentId, StudentId, StudentName] Create a MySQL query for all students in the Computer Science Department模型会输出带子查询的 SELECT 语句可直接执行。关键动作只有一个把schema和目标语言写明白完整示例见guides/prompts-basic-usage.md。数学与逻辑推理零样本思维链加自检什么任务应用题、逻辑判断。怎么写题目末尾加 Lets think step by step再补一句给出答案前先检查一遍。指南用同一道题对比过直接作答错分步作答对。如果批量场景下仍不稳定升级成自一致性Self-Consistency采样多条推理路径取出现次数最多的答案方法在pages/techniques/的 consistency 章节有完整推导。批量造训练数据一条提示产出 10 条样本什么任务快速构建测试集或标注样本省掉人工标注的前置成本。怎么写数量、分布、格式一次说全Produce 10 exemplars for sentiment analysis. 2 negative, 8 positive. Format: Q: sentence A: sentiment输出就是 10 条格式统一的 Q/A能直接拿去测你的分类器。guides/prompts-applications.md里还给了用教科书式提示提升样本多样性的做法适合要扩充数据量的场景。常见问题答疑 ❓提示工程和会聊天是一回事吗不是。它是一套包含参数调节temperature、top_p、格式设计与迭代验证的系统方法guides/prompts-intro.md逐条讲过每个技巧都有可复现示例。Few-shot 该给几个例子从 3 个起步效果不够再加。优先保证示例格式和目标格式一致比纠结每条标签绝对正确更有收益。temperature 和 top_p 先调哪个一次只调一个。事实问答取低 temperature 更稳定创意写作调高两个同时改你分不清是哪个起的作用。模型一本正经地编造事实怎么办先在提示里写明不确定就回答 Unsure事实密集型任务接上 RAG让模型基于检索到的资料作答pages/techniques/的 rag 章节有完整流程。仓库里的 RAG、AI Agent 与上下文工程章节还在持续更新基础提示跑通后按README.md的目录索引往下走就是自然的学习顺序。【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 提示工程完整指南：4个核心技巧10分钟写出稳定提示词
提示工程完整指南4个核心技巧10分钟写出稳定提示词【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-GuidePrompt-Engineering-Guide 是一个免费开源项目系统整理了提示工程Prompt Engineering的指南、论文与可运行笔记本覆盖从零样本提示、思维链到 RAG 和 AI Agent 的完整路径。读完本文你会知道如何把仓库克隆到本地、读懂入门文档、上手 4 个最实用的提示技巧并直接套用到自己的任务里。提示词时灵时不灵问题出在工作说明太粗 ⚡你可能遇到过这两种情况让它总结这段文字它回了一大段车轱辘话你最后还是自己总结一道多步计算题它第一步就推错最后答案也跟着错这不是模型不行是指令给得太模糊。提示词就像给新同事写工作说明只说处理一下这份数据他随便做说按日期列倒序、保留最近 7 天、导出 CSV结果就完全不同。这个仓库的guides/目录把这些说明写法逐篇拆开了notebooks/里还有配套的 Jupyter 笔记本可以边读边跑。3步装好 Prompt-Engineering-Guide 并跑通第一个提示 ✅第 1 步克隆仓库git clone https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide第 2 步打开入门文档guides/prompts-intro.md。前 5 分钟就能读到一个关键结论一条合格的提示由指令Instruction、上下文Context、输入数据Input Data、输出指示Output Indicator四部分组成缺项越少结果越不可控。第 3 步随便找个 LLM 界面验证模型能不能听懂指令。输入最小提示Complete the sentence: The sky is如果它补出 blue 这类合理句子说明链路通了。后面所有技巧都建立在这个基础上。4种核心提示技术按需取用零样本提示Zero-shot一句话指令直接干活定义不给任何示例直接把任务说清楚。适用场景分类、翻译、摘要这类简单任务。最小示例——在句子末尾加一个 Sentiment: 暗示答案位置Classify the text into neutral, negative or positive. Text: I think the food was okay. Sentiment:模型会直接输出 Neutral。这是默认首选任何任务都应先试零样本不行再升级。少样本提示Few-shot用 2~5 个例子纠正风格定义先给 1~5 个输入输出示例让模型照着模式学。适用场景自定义格式、内部术语、零样本搞不定的任务。guides/prompts-advanced-usage.md里有个反直觉的结论示例的格式比标签对错更重要即使标签是随机的只要格式一致模型通常也能学会任务模式。思维链Chain-of-Thought让它先写步骤再给答案定义在示例里展示逐步推理再下结论的过程复杂推理的正确率会明显上来。适用场景算术、逻辑判断、多步规划。指南里的验证例子同样的奇数之和是否为偶数题目只给答案示例时模型答错示例里写出推理过程后哪怕只保留 1 个示例输出也会变成 Adding all the odd numbers (15, 5, 13, 7, 1) gives 41. The answer is False一步不差。零样本思维链一句咒语激活推理定义不给示例只在问题末尾加一句 Lets think step by step. 就能触发分步思考。适用场景来不及准备示例的在线问答。以指南中的苹果题为例买 10 个、送掉 4 个、又买 5 个、吃掉 1 个直接作答模型给出 11错了加上这句咒语它一步步算出 10对了。效果接近准备几十个示例成本只有一句话。实战3个高频任务这样写提示代码生成把表结构写进提示什么任务从自然语言需求生成 SQL、API 调用等代码。怎么写把表结构、依赖当作注释写进提示别让它猜。例如Table departments, columns [DepartmentId, DepartmentName] Table students, columns [DepartmentId, StudentId, StudentName] Create a MySQL query for all students in the Computer Science Department模型会输出带子查询的 SELECT 语句可直接执行。关键动作只有一个把schema和目标语言写明白完整示例见guides/prompts-basic-usage.md。数学与逻辑推理零样本思维链加自检什么任务应用题、逻辑判断。怎么写题目末尾加 Lets think step by step再补一句给出答案前先检查一遍。指南用同一道题对比过直接作答错分步作答对。如果批量场景下仍不稳定升级成自一致性Self-Consistency采样多条推理路径取出现次数最多的答案方法在pages/techniques/的 consistency 章节有完整推导。批量造训练数据一条提示产出 10 条样本什么任务快速构建测试集或标注样本省掉人工标注的前置成本。怎么写数量、分布、格式一次说全Produce 10 exemplars for sentiment analysis. 2 negative, 8 positive. Format: Q: sentence A: sentiment输出就是 10 条格式统一的 Q/A能直接拿去测你的分类器。guides/prompts-applications.md里还给了用教科书式提示提升样本多样性的做法适合要扩充数据量的场景。常见问题答疑 ❓提示工程和会聊天是一回事吗不是。它是一套包含参数调节temperature、top_p、格式设计与迭代验证的系统方法guides/prompts-intro.md逐条讲过每个技巧都有可复现示例。Few-shot 该给几个例子从 3 个起步效果不够再加。优先保证示例格式和目标格式一致比纠结每条标签绝对正确更有收益。temperature 和 top_p 先调哪个一次只调一个。事实问答取低 temperature 更稳定创意写作调高两个同时改你分不清是哪个起的作用。模型一本正经地编造事实怎么办先在提示里写明不确定就回答 Unsure事实密集型任务接上 RAG让模型基于检索到的资料作答pages/techniques/的 rag 章节有完整流程。仓库里的 RAG、AI Agent 与上下文工程章节还在持续更新基础提示跑通后按README.md的目录索引往下走就是自然的学习顺序。【免费下载链接】Prompt-Engineering-Guide Guides, papers, lessons, notebooks and resources for prompt engineering, context engineering, RAG, and AI Agents.项目地址: https://gitcode.com/GitHub_Trending/pr/Prompt-Engineering-Guide创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考